但我们知道，人工智能大模型的根基在于云计算，没有微软Azure，OpenAI也很难发展到今天这个水平，但云计算，或者说云服务的模式其实并不完全适配人工智能大模型，这也就意味着现在的云计算产业，将会迎来一波不可避免的洗牌和升级。

细数云计算的历史，不难发现它是基于对海量数据的处理而诞生的，比如电商平台双十一活动的巨额成交量、春运火车票抢购等有着爆发性流量特点的服务，后来云服务器将处理的数据进行汇总归类，形成了针对性的群体标签，比如年轻人爱买什么，老年人爱吃什么，女孩子爱穿什么，进而形成了大数据产业。

有了大数据的支持，网络平台就可以给不同的用户打上不同的标签，把相应的产品广告推送到用户眼前，这也就形成了算法推荐，而形成这一套链路的中间过程，就是数据分析师在起关键作用。

而人工智能大模型的快速迭代，意味着类似数据分析这样的弱人工型岗位，将会迅速被效率极高的人工智能所替代，它不仅可以给用户打标签，甚至可以直接针对个人来量身定制，做到每个人接收到的信息都是独一无二的，这是大数据的理想形态，也是传统云计算无法企及的高度。         

对于企业来说，对云计算的根本述求就是降本增效，如果人工智能可以在一些岗位上实现替代，比如客服，只需要少量维护人工智能的高级程序员就能实现，这就是人工智能大模型对云计算行业的一个基本影响。

当然，目前的人工智能大语言模型也存在计算能力不均衡问题，比如在专业领域、强人工领域的性能表现并不太好，在我们此前对文心一言、通义千问和ChatGPT的测试里，它们在专业领域都会犯下一些很隐蔽的错误，甚至会误导用户。

所以，大语言模型的专业细分领域微调会有比较强的需求，在该场景下，细分领域的咨询、客服、交互机器人应用会爆发，而这些应用在技术栈上具有高度的一致性，很适合SaaS（软件即服务）的实现和部署，但也给云端人工智能算力带来一定的挑战，如果大家都使用GPU进行训练和推理，成本无疑是一大挑战，这也是马斯克感叹“所有人都在买GPU”的原因，而正是因为成本居高不下，所以能玩人工智能大模型的基本上是大平台，也无疑会促使云计算和人工智能一样，进一步向头部企业集中。

在此之前，云计算是一个虽然无处不在，但广大用户却几乎无感的东西，而随着人工智能大模型的不断演进，云计算在消费端将会凸显出更清晰的轮廓，这是因为集合不同大模型功能的应用会变得越来越流行。   

因为不同模态的模型是在不同数据类型下进行训练的，这意味着它们学到的知识可能并不重叠，因此云服务端可以很方便地把这些具有不同知识的不同模态的大模型功能，像流水线一样进行组合，比如可以用语音对汽车发出指令开启哨兵模式，然后图像识别功能检测到已登录的人脸，比如家人时就自动开门，陌生人靠近时就开启录像功能。

这种高度定制化的应用在组合型人工智能面前并不算太难，同时用户实用度也大大提高，无疑会让大模型的应用范畴明显扩容，进而让更多的C端用户在日常生活中习惯于调用人工智能，形成飞轮效应。

而对于云计算平台而言，如果可以同时提供不同模态大模型，并且具备这种多模态组合能力，就让云计算可以在C端开拓出一片新天地——智能家居会更加智能，大模型物联网接口会变得更重要，不能接入大模型能力的设备会被逐步淘汰，低成本再加上定制化的功能会给大云计算平台带来更多优势，行业因此可能会更进一步集中。